基于机器学习的肺癌图像辅助诊断应用研究

摘要

目的:为满足肺癌临床早期筛查需求,拟在CT图像分析及病理细胞学诊断中建立智能化辅助筛查工具,提高图像分析效率,降低医生工作量.方法:在对肺癌临床早期诊断技术研究基础上,提出基于机器学习建立肺癌CT及病理切片图像辅助分析工具的方案;基于人工智能辅助诊断理念,采用图像模式增强、分割及机器学习分类模型等方法构建肺癌图像辅助诊断系统,以解决肺癌早筛的推广及应用范围受区域医疗资源分布限制的问题.结果:通过构建肺癌图像辅助诊断系统,实现了CT图像肺结节分割、数字病理细胞及细胞核分割、CT肺结节辅助筛查及细胞及细胞核辅助筛查等功能;系统阳性病例的辅助诊断准确率接近临床低年资医生的诊断水平,平均筛查时间缩短58％,为肺癌早期筛查创造条件.结论:通过构建肺癌图像辅助诊断系统,提高了图像分析效率,降低医生工作量,将一定程度上缓解区域医疗资源不平衡,为临床诊断提供辅助筛查支持,有助于提高肺癌早期筛查在临床的应用范围.